和积网络反编译
人工智能
2020-05-20 v2 机器学习
摘要
经典概率图模型（如贝叶斯网络 (BN)）与现代易处理模型（如和积网络 (SPN)）之间存在一种二分法。前者通常具有难处理推断，但提供高度可解释性；后者支持多种易处理推断例程，但通常更难解释。由于这种二分法，在 BNs 与 SPNs 之间转换的工具是值得期待的。一个方向——将 BNs 编译为 SPNs——在 Darwiche 关于算术电路编译的开创性工作中已有充分讨论，而相反方向——将 SPNs 反编译为 BNs——却出人意料地很少受到关注。本文中，我们通过提出 SPN2BN（一种将 SPN 反编译为 BN 的算法）来填补这一空白。与另外仅有的两项反编译 SPN 的工作相比，SPN2BN 具有若干显著特征。最重要的是，SPN2BN 返回的 BN 是极小的独立映射，在引入潜变量方面更为精简。其次，SPN2BN 输出的 BN 可相对于一个已编译的 BN 被精确刻画。更具体地说，会向输入 BN 添加某组有向边，得到我们称之为道德闭包 (moral-closure) 的结构。最后，我们确立了编译-反编译过程的幂等性。这具有实际意义，因为它限制了反编译后 SPN 的规模。
引用
@article{arxiv.1912.10092,
title = {Sum-Product Network Decompilation},
author = {Cory J. Butz and Jhonatan S. Oliveira and Robert Peharz},
journal= {arXiv preprint arXiv:1912.10092},
year = {2020}
}